让我们以噪声很大的 MNIST 数据集（我的应用程序不同）为例，我将训练一个深度神经网络来对字母进行分类。
什么是正确的推断方法，没有字母的可能性？还是训练集中未包含的字母？
我是否必须添加“not a letter”类并尝试选择或模拟数据集中没有字母但有噪音的部分，
或者，我可以在不添加额外标签的情况下做到这一点？
如何在基于深度学习的目标分类问题中推断出没有目标？
数据挖掘
机器学习
深度学习
神经网络
卷积神经网络
极简主义
2022-02-22 02:45:46
2个回答
您正在寻找的是异常检测或新奇检测。
这不能总是通过将一些图像标记为“无字母”来解决，因为所有类型的没有字母的图像都可能无法用于标记，或者可能过于昂贵而无法详尽地标记。
这个链接有一些方向，你可以先看看。
对于来自搜索引擎的其他人；
您可以根据输出分数做出决定，如果网络对分配的标签有足够的信心，您将看到 > 0.8（例如）和其他类别的极小分数。
但是，如果网络不够自信，分数值往往会采用可比较的值（尤其是在最后使用 softmax 时）。
因此，将这个和我标记为解决我的问题的答案结合起来，我做了一种类似于新颖性检测的方法，使用 KMeans 来猜测一个阈值，低于该阈值的输入数据将被视为不属于任何类标签。
其它你可能感兴趣的问题